Анализ цитирования: частота, закономерности и графы цитат

Введение

Анализ частоты, закономерностей и графиков цитирования в документах

Анализ цитирования – это исследование частоты, закономерностей и графиков цитирования в документах. Он использует ориентированный граф цитирования – ссылки из одного документа в другой – для выявления свойств документов. Типичная цель – определить наиболее важные документы в коллекции. Классический пример – цитирование между научными статьями и книгами. Другой пример – судьи, обосновывающие свои решения ссылками на решения, принятые в предыдущих делах (см. анализ цитирования в правовом контексте). Дополнительный пример предоставляют патенты, содержащие уровень техники, с указанием более ранних патентов, имеющих отношение к текущему изобретению. Оцифровка патентных данных и увеличение вычислительной мощности привели к формированию сообщества специалистов, использующих эти данные для оценки атрибутов инноваций, отслеживания потоков знаний и построения инновационных сетей. Документы могут быть связаны с множеством других характеристик, помимо цитирования, таких как авторы, издатели, журналы и их фактический текст. Общий анализ коллекций документов известен как библиометрия, а анализ цитирования является ее ключевой частью. Например, библиографическая связь и коцитирование – это меры ассоциации, основанные на анализе цитирования (совместные цитаты или общие ссылки). Цитаты в коллекции документов также могут быть представлены в виде графа цитирования, как указал Дерек Дж. де Солла Прайс в своей статье 1965 года «Сети научных работ». Это означает, что анализ цитирования опирается на аспекты анализа социальных сетей и сетевой науки. Ранним примером автоматизированного индексирования цитирования был CiteSeer, использовавшийся для цитирования между научными публикациями, в то время как Web of Science является примером современной системы, включающей не только научные книги и статьи, но и более широкий спектр источников информации. Сегодня автоматизированное индексирование цитирования изменило характер исследований в области анализа цитирования, позволяя анализировать миллионы цитат для выявления масштабных закономерностей и открытия новых знаний. Инструменты анализа цитирования могут использоваться для вычисления различных показателей влияния ученых на основе данных из индексов цитирования. Примеры включают инструменты, доступные по подписке и основанные на проприетарных данных, такие как Web of Science и Scopus, а также бесплатные инструменты, основанные на открытых данных, такие как Scholarometer, разработанный Филиппо Менчером и его командой. Они имеют различные применения, от определения экспертов для рецензирования статей и предложений грантов до предоставления прозрачных данных для оценки академических заслуг, продвижения по службе и принятия решений о присвоении званий. Эта конкуренция за ограниченные ресурсы может приводить к этически сомнительному поведению с целью увеличения количества цитирований. Значительная критика направлена на практику упрощенного использования анализа цитирования для сравнения влияния различных научных статей без учета других факторов, которые могут влиять на закономерности цитирования. Среди этой критики часто встречается замечание о «зависимости от области науки», которое указывает на то, что практика цитирования варьируется от одной научной области к другой и даже между различными направлениями исследований в рамках одной дисциплины.

Citation analysis is the examination of the frequency, patterns, and graphs of citations in documents. It uses the directed graph of citations — links from one document to another document — to reveal properties of the documents. A typical aim would be to identify the most important documents in a collection. A classic example is that of the citations between academic articles and books. For another example, judges of law support their judgements by referring back to judgements made in earlier cases (see citation analysis in a legal context). An additional example is provided by patents which contain prior art, citation of earlier patents relevant to the current claim. The digitization of patent data and increasing computing power have led to a community of practice that uses these citation data to measure innovation attributes, trace knowledge flows, and map innovation networks. Documents can be associated with many other features in addition to citations, such as authors, publishers, journals as well as their actual texts. The general analysis of collections of documents is known as bibliometrics and citation analysis is a key part of that field. For example, bibliographic coupling and co citation are association measures based on citation analysis (shared citations or shared references). The citations in a collection of documents can also be represented in forms such as a citation graph, as pointed out by Derek J. de Solla Price in his 1965 article "Networks of Scientific Papers". This means that citation analysis draws on aspects of social network analysis and network science. An early example of automated citation indexing was CiteSeer, which was used for citations between academic papers, while Web of Science is an example of a modern system which includes more than just academic books and articles reflecting a wider range of information sources. Today, automated citation indexing has changed the nature of citation analysis research, allowing millions of citations to be analyzed for large scale patterns and knowledge discovery. Citation analysis tools can be used to compute various impact measures for scholars based on data from citation indices. Examples include subscription based tools based on proprietary data, such as Web of Science and Scopus, and free tools based on open data, such as Scholarometer by Filippo Menczer and his team. These have various applications, from the identification of expert referees to review papers and grant proposals, to providing transparent data in support of academic merit review, tenure, and promotion decisions. This competition for limited resources may lead to ethically questionable behavior to increase citations. A great deal of criticism has been made of the practice of naively using citation analyses to compare the impact of different scholarly articles without taking into account other factors which may affect citation patterns. Among these criticisms, a recurrent one focuses on "field dependent factors", which refers to the fact that citation practices vary from one area of science to another, and even between fields of research within a discipline.

Обзор

Хотя индексы цитирования изначально разрабатывались для поиска информации, они все чаще используются в библиометрии и других исследованиях, связанных с оценкой научной деятельности. Данные о цитировании также лежат в основе популярного импакт-фактора журналов. Существует обширная литература по анализу цитирования, иногда называемому наукометрией – термин, предложенный Василием Налимовым, или, более конкретно, библиометрией. Эта область получила развитие с появлением Science Citation Index, который сейчас охватывает научную литературу, начиная с 1900 года. Ведущими журналами в этой области являются *Scientometrics*, *Informetrics* и *Journal of the Association for Information Science and Technology*. ASIST также поддерживает электронную рассылку SIGMETRICS на платформе ASIST. Этот метод переживает новый подъем благодаря широкому распространению платных баз данных Web of Science и Scopus во многих университетах, а также свободно доступных инструментов цитирования, таких как CiteBase, CiteSeerX, Google Scholar и бывший Windows Live Academic (теперь доступный с расширенными функциями как Microsoft Academic). Методы исследования анализа цитирования включают качественные, количественные и вычислительные подходы. Основные направления таких наукометрических исследований включают сравнительный анализ продуктивности, рейтинги исследовательских учреждений, рейтинги журналов, определение продуктивности преподавателей и критериев для получения постоянной должности, оценку влияния ведущих научных статей, отслеживание траектории развития науки или технологии, а также создание профилей ведущих авторов и учреждений по результатам исследований. Анализ правовых цитирований – это метод анализа цитат, применяемый к юридическим документам для облегчения понимания взаимосвязанных документов, регулирующих соответствие нормативным требованиям, путем изучения цитат, связывающих положения внутри одного документа или между различными документами. Анализ юридических цитирований использует граф цитирований, извлеченный из нормативного документа, который может дополнить электронное обнаружение (E-discovery) – процесс, использующий технологические инновации в области анализа больших данных.

While citation indexes were originally designed for information retrieval, they are increasingly used for bibliometrics and other studies involving research evaluation. Citation data is also the basis of the popular journal impact factor. There is a large body of literature on citation analysis, sometimes called scientometrics, a term invented by Vasily Nalimov, or more specifically bibliometrics. The field blossomed with the advent of the Science Citation Index, which now covers source literature from 1900 on. The leading journals of the field are Scientometrics, Informetrics, and the Journal of the Association for Information Science and Technology. ASIST also hosts an electronic mailing list called SIGMETRICS at ASIST. This method is undergoing a resurgence based on the wide dissemination of the Web of Science and Scopus subscription databases in many universities, and the universally available free citation tools such as CiteBase, CiteSeerX, Google Scholar, and the former Windows Live Academic (now available with extra features as Microsoft Academic). Methods of citation analysis research include qualitative, quantitative and computational approaches. The main foci of such scientometric studies have included productivity comparisons, institutional research rankings, journal rankings establishing faculty productivity and tenure standards, assessing the influence of top scholarly articles, tracing the development trajectory of a science or technology field, and developing profiles of top authors and institutions in terms of research performance. Legal citation analysis is a citation analysis technique for analyzing legal documents to facilitate the understanding of the inter related regulatory compliance documents by the exploration the citations that connect provisions to other provisions within the same document or between different documents. Legal citation analysis uses a citation graph extracted from a regulatory document, which could supplement E discovery a process that leverages on technological innovations in big data analytics.

История

В статье 1965 года Дерек Дж. де Солла Прайс описал присущую SCI характеристику взаимосвязанности как «сети научных публикаций». В 1972 году. С появлением CD-ROM-издания установление связей стало еще проще и позволило использовать библиографическое связывание для поиска связанных записей. В 1973 году Генри Смолл опубликовал свою классическую работу по коцитационному анализу, которая стала самоорганизующейся системой классификации, приведшей к экспериментам по кластеризации документов и, в конечном итоге, к созданию «Атласа науки», позднее названного «Обзоры исследований». Топологическая и графическая природа всемирной сети цитирования, являющаяся неотъемлемым свойством научной литературы, была описана Ральфом Гарнером (Университет Дрекселя) в 1965 году. Использование количества цитирований для ранжирования журналов применялось еще в начале XIX века, но систематическое и непрерывное измерение этих показателей для научных журналов было инициировано Юджином Гарфилдом в Институте научной информации, который также стал пионером в использовании этих данных для ранжирования авторов и статей. В основополагающей работе 1965 года он и Ирвинг Шер показали корреляцию между частотой цитирования и известностью, продемонстрировав, что лауреаты Нобелевской премии публиковали в пять раз больше статей в среднем, а их работы цитировались в 30–50 раз чаще, чем в среднем. В серии эссе о Нобелевской и других премиях Гарфилд сообщал об этом явлении. Обычно используемая сводная мера известна как импакт-фактор – количество цитирований журнала за предыдущие два года, деленное на количество статей, опубликованных за эти годы. Он широко используется как в уместных, так и в неуместных целях, и, в частности, использование только этой меры для ранжирования авторов и статей вызывает значительные споры. В раннем исследовании 1964 года, посвященном применению анализа цитирования при написании истории ДНК, Гарфилд и Шер продемонстрировали возможность создания историограмм – топологических карт наиболее важных этапов в истории научных тем. Эта работа была позднее автоматизирована Э. Гарфилдом, А. И. Пудовкиным из Института морской биологии Российской академии наук и В. С. Истоминым из Центра обучения, преподавания и технологий Вашингтонского государственного университета, что привело к созданию программного обеспечения HistCite около 2002 года. Автоматическая индексация цитирования была представлена в 1998 году Ли Джайлсом, Стивом Лоуренсом и Куртом Боллакером и позволила автоматически, с помощью алгоритмов, извлекать и группировать цитаты из любого цифрового научного и академического документа. Если ранее извлечение цитат было ручным процессом, то теперь показатели цитирования можно было масштабировать и рассчитывать для любой научной области и любого издания, а не только для тех, которые выбирались такими организациями, как ISI. Это привело к созданию новых систем для публичной и автоматизированной индексации цитирования, первой из которых была CiteSeer (ныне CiteSeerX), за которой вскоре последовала Cora, ориентированная главным образом на область информатики и компьютерных наук. За ними последовали крупномасштабные академические системы цитирования, такие как Google Scholar и Microsoft Academic. Такая автономная индексация цитирования пока не является совершенной в отношении извлечения и кластеризации цитирований, при этом, по оценкам некоторых, уровень ошибок составляет около 10%, хотя тщательная статистическая выборка еще не проводилась. В результате авторам, таким как Энн-Арбор, Милтон-Кинс и Уолтон-Холл, приписывают значительный объем научных работ. SCI утверждает, что создает автоматическую индексацию цитирования исключительно программными методами. Даже в более старых записях наблюдается сопоставимый уровень ошибок.

In a 1965 paper, Derek J. de Solla Price described the inherent linking characteristic of the SCI as "Networks of Scientific Papers". in 1972. With the advent of the CD ROM edition, linking became even easier and enabled the use of bibliographic coupling for finding related records. In 1973, Henry Small published his classic work on Co Citation analysis which became a self organizing classification system that led to document clustering experiments and eventually an "Atlas of Science" later called "Research Reviews". The inherent topological and graphical nature of the worldwide citation network which is an inherent property of the scientific literature was described by Ralph Garner (Drexel University) in 1965. The use of citation counts to rank journals was a technique used in the early part of the nineteenth century but the systematic ongoing measurement of these counts for scientific journals was initiated by Eugene Garfield at the Institute for Scientific Information who also pioneered the use of these counts to rank authors and papers. In a landmark paper of 1965 he and Irving Sher showed the correlation between citation frequency and eminence in demonstrating that Nobel Prize winners published five times the average number of papers while their work was cited 30 to 50 times the average. In a long series of essays on the Nobel and other prizes Garfield reported this phenomenon. The usual summary measure is known as impact factor, the number of citations to a journal for the previous two years, divided by the number of articles published in those years. It is widely used, both for appropriate and inappropriate purposes—in particular, the use of this measure alone for ranking authors and papers is therefore quite controversial. In an early study in 1964 of the use of Citation Analysis in writing the history of DNA, Garfield and Sher demonstrated the potential for generating historiographs, topological maps of the most important steps in the history of scientific topics. This work was later automated by E. Garfield, A. I. Pudovkin of the Institute of Marine Biology, Russian Academy of Sciences and V. S. Istomin of Center for Teaching, Learning, and Technology, Washington State University and led to the creation of the HistCite software around 2002. Automatic citation indexing was introduced in 1998 by Lee Giles, Steve Lawrence and Kurt Bollacker and enabled automatic algorithmic extraction and grouping of citations for any digital academic and scientific document. Where previous citation extraction was a manual process, citation measures could now scale up and be computed for any scholarly and scientific field and document venue, not just those selected by organizations such as ISI. This led to the creation of new systems for public and automated citation indexing, the first being CiteSeer (now CiteSeerX, soon followed by Cora, which focused primarily on the field of computer science and information science. These were later followed by large scale academic domain citation systems such as the Google Scholar and Microsoft Academic. Such autonomous citation indexing is not yet perfect in citation extraction or citation clustering with an error rate estimated by some at 10% though a careful statistical sampling has yet to be done. This has resulted in such authors as Ann Arbor, Milton Keynes, and Walton Hall being credited with extensive academic output. SCI claims to create automatic citation indexing through purely programmatic methods. Even the older records have a similar magnitude of error.

Анализ цитирования юридических документов

Анализ цитирования юридических документов – это подход, облегчающий понимание и анализ взаимосвязанных документов, регулирующих соответствие требованиям, посредством изучения ссылок, соединяющих положения как внутри одного документа, так и между различными документами. Анализ цитирования использует граф цитирования, извлеченный из нормативного документа, который может дополнить электронное обнаружение (E-discovery) – процесс, основанный на технологических инновациях в области анализа больших данных.

Противоречия

Электронные публикации: в связи с беспрецедентным ростом доступности электронных ресурсов, один из вопросов, который сейчас исследуется, – "как часто электронные ресурсы цитируются в моей области?". Например, существуют утверждения, что онлайн-доступ к литературе по компьютерным наукам приводит к более высоким показателям цитируемости, однако статьи по гуманитарным наукам могут проигрывать, если они не издаются в печатном виде. Самоцитирование: критикуется практика, когда авторы искусственно повышают свои показатели цитируемости, чрезмерно ссылаясь на собственные работы. Например, было установлено, что мужчины склонны цитировать себя чаще, чем женщины. Загрязнение цитирования: проникновение отозванных или фальсифицированных исследований в легитимные научные работы, что негативно сказывается на их достоверности. Это обусловлено различными факторами, включая гонку за публикациями и растущее число недобросовестных практик, связанных с так называемыми хищническими или обманными издательствами, что в целом представляет угрозу для качества исследований. Справедливость цитирования и предвзятость цитирования: поскольку цитирование работ другими авторами влияет на карьерные перспективы первоначального автора, а также учитывая, что ключевые работы в некоторых областях были созданы мужчинами, старшими исследователями и представителями европеоидной расы, возникают призывы к продвижению социальной справедливости путем намеренного цитирования работ авторов из маргинализированных групп или проверки цитируемости на наличие предвзятости перед публикацией.